1、隨著網(wǎng)絡(luò)理論的發(fā)展和網(wǎng)絡(luò)技術(shù)的日益完善，基于網(wǎng)絡(luò)化的信號(hào)與信息處理成為近年來(lái)信號(hào)處理領(lǐng)域研究的熱點(diǎn)。在分布式估計(jì)中，各網(wǎng)絡(luò)節(jié)點(diǎn)依賴于鄰居節(jié)點(diǎn)之間的局部數(shù)據(jù)交換和協(xié)作處理獲得全局最優(yōu)的信號(hào)估計(jì)，是實(shí)現(xiàn)網(wǎng)絡(luò)化信號(hào)處理的基礎(chǔ)。與傳統(tǒng)集中式估計(jì)相比，分布式估計(jì)減小了網(wǎng)絡(luò)化信號(hào)處理的計(jì)算復(fù)雜度和資源消耗，增加了網(wǎng)絡(luò)化信號(hào)處理的可擴(kuò)展性和穩(wěn)健性。
　　傳統(tǒng)的分布式估計(jì)算法缺乏有效利用信號(hào)內(nèi)在結(jié)構(gòu)的機(jī)制。然而，在許多實(shí)際應(yīng)用中，待處理的信號(hào)往往

2、具有某些內(nèi)在結(jié)構(gòu)。業(yè)已證明，信號(hào)的稀疏性是一種廣泛存在的信號(hào)結(jié)構(gòu)，普遍存在于大量自然界和人工產(chǎn)生的信號(hào)中。因此，本文主要針對(duì)稀疏信號(hào)的網(wǎng)絡(luò)化處理開(kāi)展研究。本文以分布式遞歸最小二乘算法為基礎(chǔ)，研究稀疏信號(hào)的分布式估計(jì)問(wèn)題，發(fā)展相應(yīng)的分布式稀疏遞歸最小二乘算法。此外，我們還注意到，信號(hào)的稀疏性有可能隨時(shí)間而變化，因此本文將分布式稀疏信號(hào)估計(jì)推廣到時(shí)變稀疏的情況，提出針對(duì)時(shí)變稀疏信號(hào)的分布式遞歸最小二乘算法。本文主要工作如下:
　　1.

3、簡(jiǎn)述網(wǎng)絡(luò)化信號(hào)處理和稀疏信號(hào)估計(jì)的基本理論。首先簡(jiǎn)要介紹網(wǎng)絡(luò)化信號(hào)處理的基本思想和稀疏信號(hào)估計(jì)問(wèn)題;在此基礎(chǔ)上，較為詳細(xì)的介紹了網(wǎng)絡(luò)化處理的兩種基本結(jié)構(gòu)—集中式處理和分布式處理，其中對(duì)與本文工作密切相關(guān)的分布式遞歸最小二乘算法進(jìn)行了詳細(xì)的介紹。
　　2.發(fā)展基于遞歸最小二乘算法的分布式稀疏信號(hào)估計(jì)算法。本文結(jié)合期望最大化算法和稀疏正則化方法迭代更新節(jié)點(diǎn)局部估計(jì)信息，從而實(shí)現(xiàn)分布式稀疏遞歸最小二乘估計(jì)。該算法的核心是在迭代更新過(guò)程中

4、，根據(jù)稀疏正則化設(shè)計(jì)合理的閾值函數(shù)約束信號(hào)的稀疏性。本文在比較l1-范數(shù)和l0-范數(shù)正則化的基礎(chǔ)上，提出采用lp-范數(shù)（0＜p＜1）和連續(xù)冪函數(shù)逼近的方法以提高l1-范數(shù)的稀疏約束能力，并避免l0-范數(shù)非凸性所導(dǎo)致的算法不穩(wěn)定。仿真實(shí)驗(yàn)結(jié)果表明，所提出的算法可有效提高算法的估計(jì)精度和收斂速度。
　　3.研究時(shí)變稀疏信號(hào)的分布式估計(jì)問(wèn)題。為有效利用時(shí)變稀疏信號(hào)的先驗(yàn)信息，本文提出在分布式稀疏遞歸最小二乘估計(jì)中采用加權(quán)l(xiāng)1-范數(shù)正則化